研究人员开发了一种新的自适应算法，用于在 bandit feedback 下识别数据中的多个变点。该算法旨在用最少的样本精确地定位分段常数函数中的不连续点。该研究为算法的样本复杂度设定了理论界限，揭示其不仅取决于跳跃的大小，还取决于这些变点的相对位置。 AI
影响 为分析具有不连续性的数据提供了一个理论框架，有可能改进依赖于顺序数据分析的模型。
排序理由 该集群包含一篇详细介绍新算法和理论分析的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.13252v1 Announce Type: new Abstract: We study multiple change point localization under bandit feedback. An unknown piecewise-constant function on a compact interval can be queried sequentially at adaptively chosen inputs, and each query returns a noisy evaluation of th…
We study multiple change point localization under bandit feedback. An unknown piecewise-constant function on a compact interval can be queried sequentially at adaptively chosen inputs, and each query returns a noisy evaluation of the function. The goal is to identify a prescribed…